这是一个logistic sigmoid函数:
我知道x,现在如何用Python计算F(x) ?
设x = 0.458。
F(x) = ?
这是一个logistic sigmoid函数:
我知道x,现在如何用Python计算F(x) ?
设x = 0.458。
F(x) = ?
当前回答
import numpy as np
def sigmoid(x):
s = 1 / (1 + np.exp(-x))
return s
result = sigmoid(0.467)
print(result)
上面的代码是python中的逻辑sigmoid函数。 如果已知x = 0.467, s型函数F(x) = 0.385。你可以尝试在上面的代码中替换任何你知道的x值,你会得到一个不同的F(x)值。
其他回答
下面是执行相同操作的python函数。
def sigmoid(x) :
return 1.0/(1+np.exp(-x))
logistic s型函数的数值稳定版本。
def sigmoid(x):
pos_mask = (x >= 0)
neg_mask = (x < 0)
z = np.zeros_like(x,dtype=float)
z[pos_mask] = np.exp(-x[pos_mask])
z[neg_mask] = np.exp(x[neg_mask])
top = np.ones_like(x,dtype=float)
top[neg_mask] = z[neg_mask]
return top / (1 + z)
这应该做到:
import math
def sigmoid(x):
return 1 / (1 + math.exp(-x))
现在你可以通过调用:
>>> sigmoid(0.458)
0.61253961344091512
更新:请注意,上面的操作主要是将给定表达式直接一对一地转换为Python代码。它没有经过测试,也没有被认为是一个数字上可靠的实现。如果你知道你需要一个非常健壮的实现,我相信其他人已经考虑过这个问题了。
如果把-放在x前面使您感到困惑,您可以简单地声明1 / np.exp(x)。
def sigmoid(x):
return 1 /(1 + 1 / np.exp(x))
sigmoid(0.458)
Tensorflow还包括一个sigmoid函数: https://www.tensorflow.org/versions/r1.2/api_docs/python/tf/sigmoid
import tensorflow as tf
sess = tf.InteractiveSession()
x = 0.458
y = tf.sigmoid(x)
u = y.eval()
print(u)
# 0.6125396